如何从图片或扫描件中提取文字?
打开一张图片或扫描件,工具就会完全在你的机器上识别其中的文字,然后让你复制或下载结果。识别引擎和语言数据由本站提供,而不是从第三方 API 获取,所以一页手写、一份证件或一份合同都不会离开你的设备。
完全在浏览器内运行 · 不上传 · 不需要账号 · 无水印
- 打开你想读取的那一页的照片或扫描件。
- 选择文字所用的语言。
- 运行识别,然后复制文字或把它下载为文件。
PNG、JPEG、WebP、GIF 或 BMP。图片由本页在本地读取,不会发送到任何地方。
文本框可编辑:复制之前可以修改引擎识别错的地方。
值得注意。 首次使用会下载约 7.8 MB(引擎加英文数据),含简体中文则约 10.2 MB,之后会缓存。对清晰的印刷文字准确率不错;手写、倾斜的页面和低对比度的照片则难得多。
这个页面能做什么
- 识别 PNG、JPEG 和 WebP 图片中的文字
- 英文与简体中文识别数据
- 复制文字或把它下载为文件
- 引擎加载完成后即可离线运行
什么时候该用这个工具
- 从一张截图或一份干净的扫描件里把文字复制出来。
- 只有几页,而一份“够用就好”的转写是有帮助的。
- 文字绝不能离开设备。
什么时候不该用
- 手写、严重倾斜、低对比度,或复杂的多栏表格。
- 你需要版面重建、阅读顺序、表格或边界框。
- 你在处理成百上千页,或者你在慢速网络下需要立刻得到结果。
和其他方案比，差在哪
Tesseract 在此本地运行,意味着首次访问要下载一个语言模型(几十兆),而且识别比云端 API 慢。Google Vision 或 AWS Textract 之类的服务在手写和复杂版面上明显更好,还能返回结构和坐标,但它们需要上传图片,通常还需要一个账号。本页从清晰的印刷材料中给你纯文本,不上传,也不做表格重建。
你的文件去了哪里
哪儿也没去。这个页面只加载了干活的代码，之后你打开的文件由你自己的浏览器读取。没有上传步骤，没有临时服务器副本，也没有需要你信任的清理流程——数据从未经过网络，所以事后没有任何东西需要删除。你可以自己确认：在工具运行时打开浏览器的网络面板，看它一直安静。
关于这个工具的问题
- 识别究竟在哪里进行?
- 在你自己的机器上的一个 Web Worker 里。页面会一次性下载识别引擎 —— 约 3.8 MB 的 JavaScript 和 WebAssembly —— 以及你所选语言的语言数据。此后图片由你的 CPU 读取,绝不传输。你可以在浏览器的网络面板里确认:仅有的请求就是这两个文件。
- 下载有多大,会被缓存吗?
- 第一次用英文时约 7.8 MB,如果还需要简体中文则约 10.2 MB。浏览器会缓存全部内容,所以使用同一语言的第二次运行会立即开始,完全不需要网络。
- 它的准确率如何?
- 对一份干净、端正、光照良好的印刷文字扫描件,字符准确率通常高于 98%。手写、倾斜或弯曲的页面、低对比度、小字号,以及对着屏幕拍摄的照片,都会让准确率下降。如果结果看起来不对,用文字栏更紧凑的裁剪重新运行,通常比什么都管用。
- 它会保留版面、表格或分栏吗?
- 不会。输出是按阅读顺序排列的纯文本。多栏页面通常按栏依次读取,但栏不会被标记,表格也会变成一串行。本页是为了把字取出来,而不是重建文档。
- 我能打开哪些图片格式?
- 任何你的浏览器能解码的格式 —— PNG、JPEG、WebP、GIF、BMP 和 AVIF。PDF 页面不是图片,所以请先把该页导出为 PNG;本站的“PDF 转图片”工具正好能做这件事,而且不上传 PDF。